【技术实现步骤摘要】
气体检测方法、装置、电子设备和存储介质
本申请涉及电力系统故障检测
，特别是涉及一种气体检测方法、装置、电子设备和存储介质。
技术介绍
随着电力需求的快速增长，电力系统在不断适应社会发展并发生巨大变化。惰性气体六氟化硫(SF6)由于其良好灭弧和绝缘性能，已经被广泛应用于电力系统中，例如SF6断路器、SF6变压器、SF6绝缘变电站等。SF6气体在正常情况下无毒、不易燃烧，但是，在强放电或高温作用下会发生分解，生成有毒性或腐蚀性的稳定气体。若SF6气体分解及其分解产物泄漏，将严重削弱其绝缘能力，不仅导致电力系统设备故障，还会影响工作人员的生命健康，带来巨大的安全隐患。因此，对于SF6气体分解及其分解产物泄漏的检测对于电力系统的安全稳定运行至关重要。传统技术中常用的对于SF6气体分解及其分解产物泄漏的检测，主要包括气相色谱法、质谱法、红外光谱法等。然而，气相色谱法和质谱法主要用于实验室分析，不适合电力系统的现场检测，红外光谱法中气体吸收峰有交叉干扰现象，难以实现精确测量，不能实现快速地对气体分解产物的泄漏进行快速精准...
【技术保护点】
1.一种气体检测方法，所述方法包括：/n获取气体传感器采集的待检测气体的检测信号；/n采用气体检测模型对所述检测信号对应的气体类型进行检测，获得气体检测结果；/n所述气体检测模型的训练过程包括：/n获取训练样本集，所述训练样本集中的训练样本包括气体传感器采集的各目标气体的检测信号；/n获取预设的各神经元节点参数，根据所述训练样本集训练各所述神经元节点参数对应的各气体类型检测模型，获得各所述气体类型检测模型对应的各气体类型检测结果；/n将各所述气体类型检测结果进行比较，基于比较结果确定所述神经元节点参数，将确定的所述神经元节点参数对应的气体类型检测模型作为所述气体检测模型。/n
【技术特征摘要】
1.一种气体检测方法，所述方法包括：
获取气体传感器采集的待检测气体的检测信号；
采用气体检测模型对所述检测信号对应的气体类型进行检测，获得气体检测结果；
所述气体检测模型的训练过程包括：
获取训练样本集，所述训练样本集中的训练样本包括气体传感器采集的各目标气体的检测信号；
获取预设的各神经元节点参数，根据所述训练样本集训练各所述神经元节点参数对应的各气体类型检测模型，获得各所述气体类型检测模型对应的各气体类型检测结果；
将各所述气体类型检测结果进行比较，基于比较结果确定所述神经元节点参数，将确定的所述神经元节点参数对应的气体类型检测模型作为所述气体检测模型。
2.根据权利要求1所述的方法，其特征在于，所述气体类型检测模型的结构包括输入层、隐藏层和输出层，所述隐藏层包括第一隐藏层和第二隐藏层；根据所述训练样本集训练神经元节点参数对应的气体类型检测模型，获得所述气体类型检测模型对应的气体类型检测结果，包括：
所述输入层基于预设数量的所述训练样本集的特征，生成特征向量组；
所述第一隐藏层根据预设的神经元节点参数，所述第一隐藏层的激活函数，以及所述预设的神经元节点参数对应的所述输入层与所述第一隐藏层的连接权重和偏置向量，并基于所述特征向量组计算特征矩阵；
所述第二隐藏层基于所述第一隐藏层与所述第二隐藏层的高斯连接模型，以及所述特征矩阵，计算所述训练样本集对应的气体类型的概率；
所述输出层将最大的所述概率对应的气体类型作为所述气体类型检测结果并输出。
3.根据权利要求2所述的方法，其特征在于，隐藏层中预设的神经元节点参数的确定方式，包括：
根据预先设定的隐藏层与输入层或输出层的神经元节点之间的数量关系，确定各神经元节点参数初始值；
设定各所述神经元节点参数初始值对应的各取值范围，将各所述取值范围内的各数值分别作为所述隐藏层中预设的神经元节点参数。
4.根据权利要求1所述的方法，其特征在于，所述将各所述气体类型检测结果进行比较，基于比较结果确定所述神经元节点参数，包括：
获取各所述气体类型检测模型得到各所述气体类型检测结果的运行时间和各所述气体类型检测结果的检测精度；
按照预设的评分标准，基于所述运行时间和所述检测精度对各所述气体类型检测模型进行评分，将评分最高的气体类型检测模型中的第一隐...
【专利技术属性】
技术研发人员：陈浩敏，姚森敬，辛文成，席禹，张凡，敖榜，于力，符健，王诗文，
申请(专利权)人：南方电网数字电网研究院有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。